机器学习算法与实践 课件 第二章 数学基础.pptx

机器学习算法与实践第2章数学基础线性代数概率统计优化理论为机器学习提供坚实的理论基础

本章概览线性代数基础向量、矩阵与张量矩阵运算特征值与特征向量概率论与统计学基本概率理论条件概率与贝叶斯定理概率分布与极大似然估计优化与梯度梯度下降法最优化问题收敛性分析

2.1线性代数基础为什么重要？高效数据处理向量与矩阵形式表示高维数据

批量操作优化计算性能模型构建基础线性回归、逻辑回归、支持向量机等算法的数学基础优化核心工具梯度下降、牛顿法等优化算法的关键运算数据分析可视化主成分分析、线性判别分析等降维技术核心地位贯穿机器学习全流程数据表示特征向量与矩阵模型构建线性方程组求解模型训练参数优化迭代算法优